大模型发展可划分为三个时代，每个时代以关键技术突破为标志，代表了"模型能做什么"的范式迁移。
预训练时代（2017–2021）
核心命题：让模型从海量文本中自主学习语言规律，无需人工标注。
| 年份 | 事件 | 意义 |
|---|---|---|
| 2017 | Transformer 架构发布 | 注意力机制取代 RNN/LSTM，奠定所有后续大模型的架构基础 |
| 2018 | GPT-1 发布 | 验证了"预训练 + 微调"范式的可行性 |
| 2019 | GPT-2 发布 | 展现了无监督学习的生成能力，OpenAI 一度因安全顾虑延迟开源 |
| 2020 | GPT-3 发布 | 1750 亿参数，少样本（Few-Shot）能力涌现，证明了 Scaling Law |
这一时代的产物是基础模型（Base Model）：能力强大但"不听话"——不会拒绝不当请求，不懂对话交互，只会基于统计模式续写文本。
对齐时代（2022–2023）
核心命题：让模型从"会说话"变为"说对话"，对齐人类意图与价值观。
| 年份 | 事件 | 意义 |
|---|---|---|
| 2022 | Instruct-GPT 发布 | 首次引入 SFT + RLHF，实现指令跟随与人类偏好对齐 |
| 2022.11 | ChatGPT（GPT-3.5）发布 | 大模型第一次走向大众，两个月破亿用户 |
| 2023 | Claude（Anthropic）发布 | Constitutional AI 路线——用原则集替代逐条人工标注 |
对齐技术的三条路线：SFT + RLHF（ChatGPT）、SFT + Constitutional AI（Claude）、纯强化学习（DeepSeek），详见大模型后训练。
推理时代（2024–至今）
核心命题：从"给答案"到"会思考"，模型具备链式推理和自主规划能力。
| 年份 | 事件 | 意义 |
|---|---|---|
| 2023–2024 | GPT-4 / Claude 多模态版本 | 文本、图像、代码多模态理解与生成 |
| 2024 | GPT-O 系列（o1/o3） | "思考"能力——慢推理换高质量输出 |
| 2025 | DeepSeek-R1 | 推理能力成为新范式，开源路线的标杆 |
推理时代的标志是模型不再只做"一步到位"的生成，而是展现出链式推理（Chain of Thought）、自我反思、多步规划等高阶认知能力。
三时代递进关系
预训练解决"模型会什么"（知识储备），对齐解决"模型怎么说"（行为规范），推理解决"模型怎么想"（思维深度）。PM 理解这个分层，才能判断一个模型的能力边界来自哪一层、该用什么方法补足。
相关页面
→ 大模型预训练 → 大模型后训练 → 提示词工程四象限法则 → AIPM课程 Day3